日本工業大学では、2022年4月に先進工学部に「データサイエンス学科」を新設する。これまでも学部・学科横断で「データサイエンスとAI入門」の必修化を決めるなど、データサイエンスを学ぶ環境整備を進めてきた。新設されるデータサインエンス学科では、数理統計やプログラミングなどの基礎技術からSociety 5.0 超スマート社会を支えるAI、IoTなどの最先端技術を学び、実践的な演習でシステム構築力とデータ分析力を磨くことで「社会課題の解決や新たな価値を創出できる人材の養成」を目指す。

　しかし、データサイエンスで、この上流工程まで学ぶ場はそう多くはない。では、日本工業大学では、なぜそれをやるのか？

　例えば、多数を占めるデータの中にいくつか、それとは外れてしまうデータがあったとき、それが意味のある情報を提供してくれるのか、それとも単に何かのエラーで出てしまったノイズ的なものかを判断して、そのデータを取捨選択する力がデータサイエンスには重要だからだ。

　さらにいえば、あるデータをAとBの二つの指標でデータを見たときには、統計学上外れていると思われる点も、もう一つCという別の指標を加えることで、実は別の分布にのっているということもある。こうした指標を加えられる力があれば、そこから新しい知見の発見やイノベーションにつながっていく。

　先進工学部情報メディア工学科の辻村泰寛教授は、「データサイエンスに必要なのは、基本的には統計学を中心とする数学的な力と、データを『見る目』だ」と言う。今あるデータから別の視点でモノを見て新しい情報を取り出していくデータを『見る目』がとても重要で、簡単にできる修得できるものではないけれど、好奇心を持って、分析結果を批判的な視点で眺め、自分で調べ、確かめるという過程を積み重ねていくことが『見る目』を養い、教育としても重要だと話す。

　もちろん、加工された状態のデータからも得られる情報はたくさんあるが、それでは、自分で新しい知見を発見する機会は損なわれてしまうかもしれない。

　米国のグローバル企業がAIプラットフォーム市場の大半を占める中で、ビジネスモデル自体はそんなに目新しいものではなくても、その対象を拡大したり、規模を大きくしたり、さらに複雑化したりと、多次元に分析して価値を出せることがこれからは重要で、企業ニーズも高い。

　いろいろな方法を使って、情報をキャッチアップし新しい機会を創出していくことがデータサイエンティストには求められている。

→プロジェクト型学習と実践で体系化し修得する